CAP: Continuously Adaptive Perception-Blind Humanoid Locomotion via Learned Denoising
为解决复杂地形中人形机器人行走时感知信号不可靠的问题，提出CAP方法，通过学习去噪和本体感受编码器结合，提高对不同感知质量的适应性。
0 citationsRead paper
Selected work
Representative Papers
Latent Action as Intention Enables Efficient Future Imagination for World Action Models
研究提出LAWA架构，通过紧凑的潜在动作表示未来意图，解决WAM中未来观察生成导致的延迟问题，提高效率和泛化能力。
0 citationsRead paper
Recent publications
Latest Papers
CAP: Continuously Adaptive Perception-Blind Humanoid Locomotion via Learned Denoising
为解决复杂地形中人形机器人行走时感知信号不可靠的问题，提出CAP方法，通过学习去噪和本体感受编码器结合，提高对不同感知质量的适应性。
0 citationsRead paper
Latent Action as Intention Enables Efficient Future Imagination for World Action Models
研究提出LAWA架构，通过紧凑的潜在动作表示未来意图，解决WAM中未来观察生成导致的延迟问题，提高效率和泛化能力。
0 citationsRead paper